Neue Schätzstrategie verbessert Probenahme von Bodenkohlenstoff auf landwirtschaftlichen Feldern

Lesedauer: etwa 6 Minuten

Im Boden der Erde ist viel mehr Kohlenstoff gespeichert als in der Atmosphäre. Ein erheblicher Teil dieses Bodenkohlenstoffs liegt in organischer Form vor (an Kohlenstoff gebundener Kohlenstoff) und wird als organischer Bodenkohlenstoff (SOC) bezeichnet. Im Gegensatz zum anorganischen Kohlenstoff in den Böden kann die Menge des SOC und die Geschwindigkeit, mit der er auf- oder abgebaut wird, vom Menschen beeinflusst werden. Seit ihrer Einführung vor etwa 10 000 Jahren hat die Landwirtschaft dazu geführt, dass eine beträchtliche Menge an SOC als Kohlendioxid in die Atmosphäre freigesetzt wird, was zum Klimawandel beiträgt.

Die Quantifizierung der SOC-Menge auf landwirtschaftlichen Feldern ist daher von entscheidender Bedeutung für die Überwachung des Kohlenstoffkreislaufs und die Entwicklung nachhaltiger Bewirtschaftungsmethoden, die Kohlenstoffemissionen minimieren und Kohlenstoff aus der Atmosphäre im Boden binden, um die Klimaauswirkungen der Landwirtschaft zu verringern oder umzukehren.

„Eine genaue und effiziente Schätzung des SOC ist von entscheidender Bedeutung“, so Eric Potash, wissenschaftlicher Mitarbeiter im Agroecosystem Sustainability Center (ASC) und im Fachbereich Natural Resource & Environmental Sciences (NRES) an der University of Illinois Urbana-Champaign. „Die Regierungen müssen den SOC abschätzen, um politische Maßnahmen zur Minimierung des Klimawandels zu ergreifen. Forscher müssen den SOC schätzen, um nachhaltige Bewirtschaftungsmethoden zu entwickeln. Und Landwirte müssen den SOC abschätzen, um an den entstehenden Märkten für Kohlenstoffgutschriften teilnehmen zu können.

Die traditionelle und zuverlässigste Methode zur Quantifizierung des SOC ist die Entnahme von Bodenproben mit Analysen im Labor (nasschemische“ Messung). Doch an welchen Stellen des Feldes sollten die Proben genommen werden? Und wie viele Proben sollten für eine genaue Schätzung genommen werden? Jeder zusätzliche Bodenkern ist mit erheblichem Arbeits- und Kostenaufwand verbunden – und Unsicherheiten bei der Optimierung der Probenahme können zu erheblichen Mehrkosten führen.

In einer neuen Veröffentlichung des SMARTFARM-Projekts des US-Energieministeriums (DOE) haben Potash und andere SMARTFARM-Forscher Strategien zur Schätzung des SOC bewertet. Ihr Ziel war es, eine Schätzungsstrategie zu entwickeln, die die Genauigkeit maximiert und gleichzeitig die Anzahl der zu entnehmenden Bodenproben minimiert.

Das SMARTFARM-Projekt, ein von Kaiyu Guan, Mitautor und Blue Waters-Professor in NRES, geleitetes und von der Advanced Research Projects Agency-Energy (ARPA-E) des DOE finanziertes Programm, bemüht sich um die Entwicklung einer präzisen Lösung für die Messung und Quantifizierung von Treibhausgasemissionen und SOC-Änderungen während der Produktion von Nutzpflanzen.

„Unser Ziel ist es, Daten zu sammeln, die den höchsten Standards entsprechen, und eine neue Technologie zu entwickeln, mit der die Kohlenstoffemissionen von Bioenergiepflanzen auf Feldebene quantifiziert werden können, um den Ertrag und die ökologische Nachhaltigkeit zu verbessern“, so Guan, Gründungsdirektor von ASC.

Ermöglicht wird diese Arbeit durch eine beispiellose Datenerhebung.

„Wir haben 225 Bodenproben (3 Proben pro Acre) an einem der SMARTFARM-Standorte gesammelt. Die Proben wurden bis zu 1 Meter tief mit einer Giddings-Sonde entnommen. Eine derart dichte Beprobung ist bisher noch nie durchgeführt worden“, sagte Mitautor DoKyoung Lee, Professor für Nutzpflanzenwissenschaften, Co-PI des SMARTFARM-Projekts und ebenfalls Gründungsmitglied der ASC-Fakultät.

In dieser Arbeit gingen die Forscher an das Problem heran, indem sie die beiden Schritte zur Schätzung des SOC bewerteten: (1) die Entscheidung, wo auf einem Feld Bodenproben genommen werden sollen, und (2) die Entscheidung für eine statistische Regel zur Berechnung einer Schätzung (Schätzer genannt). Durch die Verwendung eines kommerziellen Feldes in Zentral-Illinois, das intensiv beprobt wurde, um den SOC zu messen, konnte eine Vielzahl von Strategien auf ihre Leistungsfähigkeit bei der Schätzung des SOC im Feld bewertet werden.

Die Forscher fanden heraus, dass sie auf einem typischen landwirtschaftlichen Feld im Mittleren Westen öffentlich zugängliche Bodenuntersuchungen und Satellitenbilder nutzen können, um die Probenahmestellen effizient auszuwählen. Dadurch dürfte sich die Zahl der Proben, die für eine bestimmte Genauigkeit der SOC-Quantifizierung erforderlich sind, im Vergleich zu einer zufälligen Auswahl der Probenahmestellen um etwa 28 % verringern.

„Für Forscher und Behörden, die die SOC-Bestände überwachen, bietet diese Studie eine Strategie zur Erhöhung der Genauigkeit und unterstützt die Kostenoptimierung von Probenahmeverfahren“, sagte Mitautor Andrew Margenot, Assistenzprofessor für Nutzpflanzenwissenschaften und stellvertretender Direktor des ASC.

„Künftige Studien können diese Ergebnisse sowohl als Maßstab für den Vergleich neuer Strategien zur Abschätzung des SOC-Bestands als auch als Beispiel für die Bewertung dieser Strategien nutzen“, so Potash.

Das Forschungsteam sammelt derzeit Daten von vielen weiteren Feldern, um die Verallgemeinerbarkeit ihrer Ergebnisse zu testen – und um weitere Verbesserungen der SOC-Schätzstrategien zu entwickeln. Die Teammitglieder entwickeln außerdem ein Software-Tool, um ihre verbesserten Probenahmeverfahren Landwirten und Forschern zur Verfügung zu stellen.

Neben Potash, Guan, Lee und Margenot gehören Evan DeLucia, ASC und emeritierter Professor für Pflanzenbiologie, Sheng Wang, ASC und NRES Research Assistant Professor, und Chunhwa Jang, Crop Sciences Postdoctoral Researcher, zu den Co-Autoren dieser Veröffentlichung.

Datum: März 29, 2022
Quelle: University of Illinois at Urbana-Champaign Institut für Nachhaltigkeit, Energie und Umwelt


Journal Reference:

  1. Eric Potash, Kaiyu Guan, Andrew Margenot, DoKyoung Lee, Evan DeLucia, Sheng Wang, Chunhwa Jang. How to estimate soil organic carbon stocks of agricultural fields? Perspectives using ex-ante evaluationGeoderma, 2022; 411: 115693 DOI: 10.1016/j.geoderma.2021.115693